Внедрение ИИ-инструментов в процесс разработки программного обеспечения приводит не к замещению персонала, а к эффекту дополнения, что создает двойную финансовую нагрузку на компании.
Что произошло
Анализ показывает, что вместо ожидаемого сокращения штата (substitution) компании сталкиваются с эффектом дополнения (augmentation). Это влечет за собой сочетание фиксированных затрат на зарплаты инженеров с резким ростом переменных расходов на токены. В агентских воркфлоу затраты на токены могут быть в 5–30 раз выше, чем при использовании обычных чат-ботов.
Контекст
Существует риск возникновения парадокса Джевонса: удешевление самих моделей ИИ нивелируется экспоненциальным ростом объема их потребления в сложных автоматизированных циклах. Кроме того, рост индивидуальной производительности инженеров часто сопровождается побочными эффектами в виде увеличения технического долга на 30–41% и роста числа инцидентов.
Почему это важно для индустрии
Для ИИ-индустрии и бизнеса меняется парадигма моделирования затрат: ИИ-инструменты для разработки следует классифицировать не как лицензионное ПО с фиксированной ценой, а как переменный центр затрат, аналогичный облачным сервисам (Cloud/FinOps). Это формирует спрос на новые дисциплины, такие как AI-FinOps, для контроля стоимости инференса и управления эффективностью использования моделей.
Почему это важно для пользователей
Разработчикам и руководителям команд необходимо внедрять инструменты observability для мониторинга потребления токенов в реальном времени и проводить аудит агентских циклов. Эффективность работы следует оценивать не по количеству написанных строк кода, а по метрикам качества и скорости разработки с учетом сложности (complexity-aware velocity), чтобы избежать бесконтрольного роста расходов.
Источники
Автор
Look at AI, редакция